Maskinlæring og nevrale nettverk står sentralt i ny karrieretjeneste

Fagforening bruker maskinlæring og nevrale nettverk for å hjelpe medlemmene å finne den nye drømmejobben.

Arbeidsmarkedet kan oppleves som fragmentert og vanskelig å orientere seg i for en jobbsøker. Dette gjelder også de som jobber med innovasjon og ny teknologi. 

Mange av disse er medlemmer i fagforeningen Tekna

I Tekna er det 88 000 medlemmer som har en mastergrad innen teknologi, realfag eller naturvitenskap. En del av disse er til enhver tid på jobbjakt.

For å hjelpe medlemmer med å orientere seg i arbeidsmarkedet, har Tekna lansert Karrierekompasset

Dette er en tjeneste som sammenligner jobbsøkerens profil med tusenvis av andre Tekna-medlemmer med lignende utdanning og arbeidserfaring.

Mangedimensjonalt rom for å finne nye sammenhenger

Petter Egesund fra Sannsyn har vært med å utvikle løsningen. 

Han forteller at hos Tekna har man satt opp en algoritme som håndterer mange faktorer som kan påvirke et jobbvalg. Ved hjelp av såkalte nevrale nettverk er man i stand til å se hvordan faktorer spiller sammen, men også motvirker og forsterker hverandre. 

– Vi bruker en teknikk som kalles embeddings som plasserer alle enhetene i et mangedimensjonalt rom. Likhet i avstand i dette rommet gjenspeiler likhet i virkeligheten. Vi kan bruke dette rommet til å finne sammenhenger mellom personer, stillingstitler, utdanning og arbeidssteder, forklarer Egesund.

Tjenesten videreutvikles fortløpende. På sikt ønsker Tekna å gi anbefalinger som for eksempel:

  • Hvilken arbeidsplasser kan passe for denne arbeidssøkeren?
  • Hvilke arbeidsplasser har like kompetanseprofiler? 
  • Hvilke stillingsprofiler er mest ettertraktet i arbeidsmarkedet?

Overraskende innsikter

Slike algoritmer gir ofte gode, men også overraskende innsikter, sier Egesund. 

– Eksempelvis vil man kunne se at teknisk utdanning vil kunne være viktig på arbeidsplasser der man ikke nødvendigvis vil kunne forvente dette – noe som igjen vil være viktig informasjon for en arbeidssøker som ikke nødvendigvis hadde sett i denne retningen.

Petter Egesund fra Sannsyn (Foto: Privat)

Men en utfordring med et slikt nettverk vil være at det kan inneholde såkalt biaser – det vil kunne bekrefte forutinntatte holdninger. En slik “holdning” kan være ønskede effekter, som at lokale arbeidsplasser vil bli ranket over de lengre unna, mens andre kan være uønskede. 

– Det er derfor viktig å kunne justere et nettverk som diskriminerer, dersom man ser at dette er tilfellet. En annen utfordring når man trener nettverk, er at det kan være utfordringer i datakvaliteten – eksempelvis kan samme utdanning ha ulikt navn på ulike universiteter. Mye arbeid innenfor data science består derfor i å “vaske” grunnlagsdataene, sier Egesund.

Den erfarne teknologen håper at løsningene gjør at jobbsøkere får øynene opp for nye og spennende jobber.

–  Med de nye algoritmene kan man presentere nye og relevante muligheter til jobbsøkerne. Målet er å finne jobber man ikke klarer å se selv kanskje fordi man har vært for lenge på et sted, har fokusert på et for snevert område eller ikke har full oversikt over markedet, avslutter Petter Egesund.

Lyst til å lese mer om den nye tjenesten? Les artikkelen Lærer som et barn med nevrale nettverk.